同时考虑多个优化目标的城市电动汽车充电网络规划方法与流程

技术特征：

1.一种同时考虑多个优化目标的城市电动汽车充电网络规划方法，其特征在于：该方法针对待规划的交通系统中电动汽车充电网络的多种建设方案，对每一种所述建设方案建立考虑充电服务能力和城市配电网络损耗两个优化目标的规划模型，从而求解并获得充电服务能力最大化与城市配电网络损耗最小化的所述建设方案作为最优城市电动汽车充电网络规划方案；

两个所述优化目标分别为：

优化目标1：

优化目标2：

其中：F_c表示所述建设方案中所述电动汽车充电网络的充电服务能力；Q为所述交通系统中的线路的集合；f_q为线路q上的车流量；y_q为表征线路q上车流量能否被所述建设方案中所述电动汽车充电网络截获的二进制变量；F_loss为所述建设方案中所述电动汽车充电网络建成后城市配电网络中的功率损耗；P_loss,i为所述建设方案中所述电动汽车充电网络的支路i上的功率损耗；P_i为所述建设方案中所述电动汽车充电网络的支路i的末端有功负荷；Q_i为所述建设方案中所述电动汽车充电网络的支路i的末端无功负荷；U_i为所述建设方案中所述电动汽车充电网络的支路i的末端电压；R_i为所述建设方案中所述电动汽车充电网络的支路i的电阻。

2.根据权利要求1所述的同时考虑多个优化目标的城市电动汽车充电网络规划方法，其特征在于：所述规划模型具有四个约束条件：分别为：

充电站个数约束：

$\underset{j=1}{\overset{m}{\Σ}}{X}_j=N_{station};$

式中：X_j为表征所述建设方案中所述电动汽车充电网络的节点j是否建设充电站的二进制变量，X_j取1表示节点j建设充电站，X_j取0表示节点j不建设充电站；N_station为规划的充电站个数；

充电站容量约束：

$\underset{j=1}{\overset{m}{\Σ}}{X}_j{W}_j\≥W_{max};$

式中：W_j为所述建设方案中所述电动汽车充电网络的节点j所建设的充电站的容量；W_max为待规划的交通系统所在区域的最大充电需求；

电压偏移约束：

$\begin{array}{cc}\frac{|U_j-U_N|}{U_N}\×100\%\≤\mathrm{\α}\%& \∀j\end{array};$

式中：U_j为所述建设方案中所述电动汽车充电网络的节点j的电压；U_N为城市配电网络的额定电压；α％为最大允许电压偏移的百分数；

配电线路传输功率约束：

$\begin{array}{cc}{P}_i\≤P_{i,max}& \∀i\end{array};$

式中：P_i为所述建设方案中所述电动汽车充电网络的支路i的有功功率；P_i,max为所述建设方案中所述电动汽车充电网络的支路i允许流过的最大功率。

3.根据权利要求1或2所述的同时考虑多个优化目标的城市电动汽车充电网络规划方法，其特征在于：对每一种所述建设方案，将充电服务能力和城市配电网络损耗两个优化目标进行模糊化而转换为满意度单个优化目标而建立新规划模型，从而求解并获得满意度最大化的所述建设方案作为最优城市电动汽车充电网络规划方案；

单个优化目标为：maxμ；

其中：μ为该建设方案的满意度，

μ＝min{μ(F_c),μ(F_loss)}；

式中：μ(F_c)为充电服务能力这一优化目标的隶属度，其介于0和1之间；μ(F_loss)为城市配电网络损耗这一优化目标的隶属度，其介于0和1之间；

$\mathrm{\μ}\left(F_c\right)=\left\{\begin{array}{cc}0& F_c\≤F_1-{\mathrm{\δ}}_1\\ \frac{F_c-F_1+{\mathrm{\δ}}_1}{{\mathrm{\δ}}_1}& F_1-{\mathrm{\δ}}_1\<F_c\≤F_1\\ 1& F_c\≥F_1\end{array}\right.;$

上式中：F₁表示所述电动汽车充电网络的最大服务能力；δ₁为决策者所能容忍的截获车流量的减小值；

$\mathrm{\μ}\left(F_{loss}\right)=\left\{\begin{array}{cc}1& F_{loss}\≤F_2\\ \frac{F_2+{\mathrm{\δ}}_2-F_{loss}}{{\mathrm{\δ}}_2}& F_2\<F_{loss}\≤F_2+{\mathrm{\δ}}_2\\ 0& F_{loss}\>F_2+{\mathrm{\δ}}_2\end{array}\right.;$

上式中：F₂为所述城市配电网络损耗的理论最小值；δ₂为决策者所能容忍的所述城市配电网络损耗的增加值。

4.根据权利要求3所述的同时考虑多个优化目标的城市电动汽车充电网络规划方法，其特征在于：所述新规划模型具有三个约束条件：分别为：

-F_c+δ₁μ≤-F₁+δ₁；

F_loss+δ₂μ≤F₂+δ₂；

0≤μ≤1。

5.根据权利要求3所述的同时考虑多个优化目标的城市电动汽车充电网络规划方法，其特征在于：采用基于实数编码的遗传算法求解而获得所述最优城市电动汽车充电网络规划方案。

6.根据权利要求5所述的同时考虑多个优化目标的城市电动汽车充电网络规划方法，其特征在于：所述遗传算法通过以下步骤实施：

步骤1：随机产生所述遗传算法的初始染色体种群，所述初始染色体种群的规模为N，所述初始染色体种群中的每一条染色体对应于待规划的交通系统中电动汽车充电网络的一种建设方案；在每一条染色体中，采用长度等于所述电动汽车充电网络的节点数m的实数进行编码，针对每一节点j以l表示该节点j建设有第l类充电站，假设可建设的充电站有k类，则l＝1,2,…,k；

步骤2：选取所述初始染色体种群为当前待处理的种群；

步骤3：针对所述当前待处理种群，分别对其所包含的各条染色体对应的建设方案计算其充电服务能力F_c和城市配电网络损耗F_loss，并在此基础上计算各条染色体对应的建设方案的满意度μ_p，p表示所述当前待处理种群中的染色体序号；

步骤4：在各条染色体对应的建设方案的满意度μ_p的基础上，采用罚函数法对所述新规划模型中越限的约束条件进行惩罚，形成各染色体的适应度值V_fit,p；

步骤5：将所述当前待处理的种群中所述适应度值V_fit,p最大的染色体直接复制到其下一代子种群，再根据所述适应度值V_fit,p从所述当前待处理的种群中多次选取染色体复制到其下一代子种群，从而形成所述当前待处理的种群的下一代子种群；按照设定概率对所述下一代子种群进行交叉、变异操作；

步骤6：选取所述下一代子种群作为当前待处理的种群并返回步骤3；

步骤7：当所形成的下一代子种群的代数达到最大进化代数时，基于当前形成的下一代子种群中各染色体的适应度值V_fit,p解码出最佳染色体，从而输出该最佳染色体所对应的所述建设方案作为最优城市电动汽车充电网络规划方案。

7.根据权利要求6所述的同时考虑多个优化目标的城市电动汽车充电网络规划方法，其特征在于：所述步骤5中，每次根据所述适应度值V_fit,p从所述当前待处理的种群中选取染色体复制到其下一代子种群时，从所述当前待处理的种群中随机选取两个染色体，并将所述适应度值V_fit,p相对较大的染色体直接复制到其下一代子种群。